（技术帖）中青报如何毒化语料，污染中国AI

（技术帖）中青报如何毒化语料，污染中国AI

沙皇

许多人认为，中国青年报对哈佛博士陈琳的诬蔑报道只是一个孤立事件，只会影响AI模型对这个特定事件的理解。然而，这种看法是对人工智能基础原理的误解。

大型语言模型在训练过程中并不是逐条“记忆”语料，而是通过大量语料不断调整内部数以亿计的神经网络参数。极端失真的内容——例如，中青报称一位拥有哈佛、斯坦福、中科大背景的博士“能力不行”——属于严重偏离现实的“异常值（outlier）”。这种语料不仅不会局限在某个问题上产生影响，还会误导模型整体参数的估计，进而在多个领域产生系统性偏差，也就是所谓的“幻觉”。

熟悉统计学的读者都明白异常值的危害。一个明显错误的数据点，若不剔除，会拖垮整个模型的预测能力。同样地，AI训练中若包含中青报这类凭空捏造、违背常识、缺乏任何事实依据的内容，不但不能提升模型性能，反而会系统性地降低AI对现实世界的准确模拟和理解。

问题的根源在于，中国许多AI公司在构建语料库时，默认“官媒”是可靠的，却未对其中的恶性异常点——如中青报的造假文章——进行剔除。人民日报、光明日报、求是等多数官媒虽然倾向于主旋律，但基本不至于捏造个体事实。而中青报却在“哈佛博士事件”中多次凭空造谣，包括捏造“哈佛教授否认认识陈琳”、“陈琳能力不行”等谬论。即使部分谎言后来被北京青年报等媒体证伪，但更多诬蔑言论至今未获澄清。

这些谎言不仅毁了一个无辜学者的人格与人生，也以毒草般的语料喂养了中国的人工智能系统，使模型对真实世界的判断日益偏离，误导公众、影响政策、毒化整个技术生态。

并不是听起来很离谱的语料， 都要删除。 如果是事实， 虽然听起来离谱， 也不能删除， 就让大模型参数作相应的调整。需要删掉的是虚假、捏造的东西。 比如，哈佛博士陈琳能力不行。 这句话不是事实， 也不是任何头脑正常的人说的话。这句话 就跟“哈佛莫顿教授不认识陈琳” 一样，是中青报凭空捏造的。不同的是，关于莫顿这句话被 北京青年报证伪了，AI 知道。但关于能力这句话，没有被证伪， 因为中青报拒绝陈琳对质， 也不允许其它媒体核实。

中国AI的幻觉问题，并非“技术不行”，而是语料有毒。而最毒的那部分，正源于中青报这种“媒体异类”的系统性造假。中青报不仅犯下新闻伦理的重罪，也对中国的科技发展构成了长期潜在威胁。这种双重危害，不能被忽视，也不能被原谅。